AI 时代的技术面试：保住人的能力信号

先说结论

“禁止 AI”不是可靠的技术评测方案：规则难监督，也脱离真实工作。更可行的目标是让题目在允许使用 AI 后，仍能保留人的能力信号。评测应该观察候选人如何定位瓶颈、验证假设、解释取舍和修正错误，而不是只看最终代码是否跑得快。

问题

当通用模型逐渐解出原本用于筛选人的 take-home，分数会集中在高位。此时题目看似客观，实际上已经“饱和”：优秀候选人与只会转交任务给模型的人都能交出相似结果。反过来，一味增加冷门知识、时间压力或反 AI 监控，也可能测到记忆、设备条件和应试技巧，而非岗位需要的工程判断。

核心机制

Anthropic 围绕性能工程 take-home 做了三轮设计迭代。关键不是找一道模型永远不会的谜题，而是持续检查两条信号：当前模型能否高分完成；人类候选人的表现是否仍与真实能力拉开差异。模型饱和时，应把静态答案改造成可观察的工作过程，例如要求先建立基线、提出多个瓶颈假设、用 profiling 证据选择改动，并说明失败尝试。题目还要限制无关变量，不能因为环境装不起来就错判能力。

接入 Zero-to-AI 的实践

设计小型项目评测时，先写岗位能力表，再写评分点。每个评分点都必须能从提交物找到证据：基线数据对应测量能力，改动前后的实验对应因果判断，复盘对应沟通能力。允许使用 AI，但要求保留提示、关键决策和验证记录；评分看候选人是否审查模型产出，而不是提示词是否漂亮。

模型测试和人类试测要分开。前者发现题目是否已饱和，后者检查题目是否仍公平、可完成。两者都通过，才能说明题目暂时有效；任何一边失败，都不应靠提高隐藏门槛补救。

低成本实验

输入： 一道现有性能优化题、两份匿名历史答案，以及一个当前可用模型。

步骤：

1. 用同一环境让模型独立完成三次，记录过程与最终结果。
2. 把评分拆为结果、诊断证据、取舍解释和错误修正四项。
3. 盲评模型答案与历史答案，检查总分是否拥挤、哪些维度仍有区分度。
4. 只改一个评分维度，再复评一次。

成功证据： 评分者能引用具体 artifact 解释差异；模型即使完成任务，也不能仅凭最终结果拿满过程分；历史答案不会因写作风格被系统性压低。

停止线： 没有候选人授权却使用真实招聘材料，评分者知道答案身份，或样本太少却声称题目普遍有效时，停止发布结论。

误区

• AI-resistant 等于模型做不出来：目标是保留人的区分信号，不是制造永久难题。
• 加现场监控就公平：监控会引入隐私和设备差异，也不能证明思考属于谁。
• 最终性能最客观：单一结果容易被模型饱和，过程证据才解释结果从何而来。

原文与证据边界

原文描述的是 Anthropic 的招聘评测实践。三轮迭代及模型表现属于其场景，本站没有复现，也不能据此断言某道面试题对所有岗位有效。

本文是原创中文实践解读，不是逐句翻译。阅读英文原文。